首页 > 编程知识 正文

Python爬取文本内容用法介绍

时间:2023-11-21 04:02:31 阅读:298068 作者:VJOG

本文将从多个方面详细阐述Python爬取文本内容的方法和技巧。

一、爬取网页内容

1、使用requests库发送HTTP请求

import requests

response = requests.get('https://www.example.com')
print(response.text)

2、使用BeautifulSoup库解析网页内容

import requests
from bs4 import BeautifulSoup

response = requests.get('https://www.example.com')
soup = BeautifulSoup(response.text, 'html.parser')
print(soup.get_text())

3、使用正则表达式提取网页中的文本内容

import re

text = '

Hello World

' result = re.findall(r'

(.*?)

', text) print(result)

二、爬取API接口返回的文本内容

1、使用requests库发送HTTP请求

import requests

response = requests.get('https://api.example.com/text')
print(response.text)

2、解析JSON格式的文本内容

import requests
import json

response = requests.get('https://api.example.com/text')
data = json.loads(response.text)
print(data['text'])

3、使用正则表达式提取API返回的文本

import requests
import re

response = requests.get('https://api.example.com/text')
text = response.text
result = re.findall(r'"text":"(.*?)"', text)
print(result)

三、保存爬取的文本内容

1、将文本内容保存到本地文件

import requests

response = requests.get('https://www.example.com')
text = response.text

with open('output.txt', 'w', encoding='utf-8') as file:
    file.write(text)

2、将文本内容保存到数据库

import requests
import sqlite3

response = requests.get('https://www.example.com')
text = response.text

conn = sqlite3.connect('database.db')
cursor = conn.cursor()
cursor.execute('CREATE TABLE IF NOT EXISTS text_content (id INTEGER PRIMARY KEY, content TEXT)')
cursor.execute('INSERT INTO text_content (content) VALUES (?)', (text,))
conn.commit()
conn.close()

3、将文本内容保存到Excel文件

import requests
import pandas as pd

response = requests.get('https://www.example.com')
text = response.text

df = pd.DataFrame([text], columns=['content'])
df.to_excel('output.xlsx', index=False)

四、处理爬取的文本内容

1、文本清洗和处理

import re

text = 'Hello, 
World!' clean_text = re.sub(r'<.*?>', '', text) print(clean_text)

2、提取关键词

from jieba import analyse

text = 'Python爬取文本内容'
keywords = analyse.extract_tags(text)
print(keywords)

3、进行文本分析与统计

from collections import Counter

text = 'Hello, World!'
word_count = Counter(text.lower().split())
print(word_count)
注:以上代码仅为示例,具体使用时请根据实际情况进行调整和修改。Python爬取文本内容的应用场景非常广泛,可以用于数据分析、自然语言处理等领域,希望本文对你有所帮助!

版权声明:该文观点仅代表作者本人。处理文章:请发送邮件至 三1五14八八95#扣扣.com 举报,一经查实,本站将立刻删除。